跳到正文
11月14日周六
  1. The Decoder67

    Runway 开源机器人模型 Praxis-1,将视频学习能力用于机器人控制

    Runway 开放机器人控制模型 Praxis-1 的权重与源代码,采用允许商用的 Apache 2.0 许可,并发布包含新测试的研究报告。模型利用视频预训练,结合摄像头图像、文本指令和机器人位置信息预测环境变化并生成动作,在 RoboLab-120 上取得 46.2% 成功率,位列 World Action Model 类别第一、总榜第五,测试均由 Runway 自行完成。

  2. AI快讯58

    NVIDIA 发布机器人研究模型 GR00T 2

    NVIDIA 发布面向机器人研究的开放 System One 模型 GR00T 2,称其为自家迄今最先进的此类模型。它能从人类演示中学习技能,并预测自身动作将如何改变物理世界。所学技能可迁移至不同机器人本体,减少为每台机器人从头教授每项任务的需要,原帖还展示了相关研究的运行演示。

11月13日周五
11月12日周四
11月11日周三
  1. Google DeepMind66

    Google DeepMind 发布 AlphaGenome 2,预测 DNA 变异对特定细胞类型的影响

    Google DeepMind 发布 AlphaGenome 2,通过条件模型预测 DNA 序列及其变异对特定细胞类型和状态的影响,并可分析未见过的细胞状态。模型使用超过 107 million 个单细胞图谱训练,在 TenK10K 数据集上的因果变异识别比例为 30%,对比原版经单细胞数据微调后的 16%,并新增 DNA 甲基化预测。

    推荐理由:从组织平均值转向细胞类型与状态的条件预测,有助于定位被组织层面分析掩盖的变异效应,将遗传关联落到具体细胞。

11月10日周二
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics 2.5,提升机器人灵巧性与真实场景可靠性

    Google DeepMind 发布视觉语言动作模型 Gemini Robotics 2.5,提升机器人任务广度、灵巧性与安全性,并正向机器人合作伙伴开放。

    推荐理由:从多任务评测到汽车产线试点,材料给出了机器人灵巧性提升与实际作业可靠性之间的对照,便于理解模型进展的落地范围。

11月6日周五
  1. Google DeepMind75

    Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频,价格降低 30%

    Google DeepMind 发布 Gemini Omni 1.2 Flash,原生视频生成和编辑时长从 10 秒增至 15 秒,并在 Gemini API 和 Gemini for business 全面开放。

    推荐理由:相较上一版,片长增加与降价之外,多轮编辑让局部修改不必重新生成整段视频,为批量制作广告变体提供了更灵活的工作流。